Gemini API用于制造业工单摘要与技能标签抽取：Python最小闭环（2025-08）

TL;DR 与前置条件

TL;DR：本文记录 2025-08 可复现的 Gemini API Python 最小闭环：拿 key、配环境、调用 gemini-1.5-flash，把设备维修工单抽成摘要、故障类型、所需技能标签。适合搜索“Gemini怎么注册”“Google AI怎么用”“Gemini API Python教程”“Gemini国内使用”的读者。

前置条件：Python 3.11.9，google-generativeai 0.7.2，macOS 14.5 或 Ubuntu 22.04。账号需可访问 Google AI Studio。免费额度适合开发验证；生产环境要关注 RPM、TPM、数据合规和日志脱敏。

Warning: 不要把 API Key 写进 Git。不要上传身份证、手机号、完整简历、未脱敏客户工单。

检查 Python 版本。

python3 --version
# Expected output:
# Python 3.11.9

安装 SDK。

python3 -m pip install google-generativeai==0.7.2
# Expected output:
# Successfully installed google-generativeai-0.7.2

配置 API Key。Google AI怎么用的第一步就是在 Google AI Studio 创建 key，然后写入环境变量。
```
export GEMINI_API_KEY="替换为你的API_KEY"
echo ${GEMINI_API_KEY:0:8}
# Expected output:
# AIzaSyxx
```

Note: 如果你在国内网络下遇到超时，先区分是 DNS、TLS、还是账号区域问题。不要一上来改代码。

最小可运行案例：工单摘要 + 技能标签

创建脚本。输入是一条制造业设备维修工单，输出固定 JSON，便于接入职位搜索、技能画像或企业服务后台。

cat > gemini_workorder.py <<'PY'
import os, json, time
import google.generativeai as genai

genai.configure(api_key=os.environ["GEMINI_API_KEY"])

model = genai.GenerativeModel(
    model_name="gemini-1.5-flash",
    generation_config={
        "temperature": 0.2,
        "response_mime_type": "application/json"
    }
)

ticket = """
产线：奉化注塑车间 3 号线。
设备：海天 MA1600 注塑机。
现象：合模后压力波动，产品飞边，夜班停机 42 分钟。
现场处理：更换液压油滤芯，清理比例阀，压力恢复但仍有轻微波动。
需要：判断故障类型，生成给维修技师的摘要，并抽取技能标签。
"""

prompt = f"""
你是制造业设备维修调度助手。只输出 JSON。
字段：
summary: 80字以内中文摘要
fault_type: 机械/液压/电气/工艺/未知
skills: 3到6个技能标签
risk: 低/中/高
工单：
{ticket}
"""

start = time.time()
resp = model.generate_content(prompt)
latency_ms = int((time.time() - start) * 1000)

print(resp.text)
print("latency_ms=", latency_ms)
PY

# Expected output:
# file created: gemini_workorder.py

执行。我在 2025-08-10、Python 3.11.9、本地出口延迟约 185ms 的环境中测得端到端 1.8s 到 3.4s。

python3 gemini_workorder.py
# Expected output:
# {"summary":"奉化注塑车间3号线注塑机合模后压力波动并导致飞边，已更换滤芯和清理比例阀，仍需复查液压控制稳定性。","fault_type":"液压","skills":["注塑机维修","液压系统诊断","比例阀调试","压力波动排查","设备停机分析"],"risk":"中"}
# latency_ms= 2430

Note: 如果输出不是 JSON，把 temperature 降到 0.1，并保留 response_mime_type。Gemini API key配置正确但仍报 400 时，优先检查模型名是否拼错。

排障、验证与 References

验证 key 是否存在。

test -n "$GEMINI_API_KEY" && echo "key_loaded"
# Expected output:
# key_loaded

常见错误定位。
- 401：Key 错、被删除、环境变量未生效。
- 429：免费额度或速率限制。加重试和队列，不要并发轰炸。
- DeadlineExceeded：网络链路或代理问题。先测 DNS 和 TLS，再改应用。
- JSON 解析失败：提示词约束弱，或未设置 response_mime_type。
如何验证它真的可用。连续运行 10 次，成功率应为 10/10；JSON 必须能被解析；fault_type 必须落在枚举内；latency_ms 在同一网络下不应波动超过 3 倍。
```
for i in $(seq 1 10); do python3 gemini_workorder.py | tail -n 1; done
# Expected output:
# latency_ms= 2310
# latency_ms= 2488
# latency_ms= 2197
# ... 10 lines total
```

References: Google AI Studio、Gemini API docs、Python google-generativeai SDK release notes。免费和官方路线足够完成开发验证；如果你只是需要稳定访问 AI 工具，也可以把商都加速器作为网络方案之一，先以官方文档和本地诊断为准。

⬅ 上一篇Cursor 与 GitHub Copilot 冲突排查：补全延迟、上下文失效与下一篇 ➡加速器卡在30%不动：本地网络、DNS、驱动和节点的排查步骤

🤖 Gemini API用于制造业工单摘要与技能标签抽取：Python最小闭环（2025

TL;DR 与前置条件

最小可运行案例：工单摘要 + 技能标签

排障、验证与 References

🎯 猜你喜欢

🏷️ 热门标签